| 中文摘要 | 第1-5页 |
| 英文摘要 | 第5-8页 |
| 1 绪 论 | 第8-33页 |
| ·问题的提出及研究意义 | 第8页 |
| ·问题的提出 | 第8页 |
| ·研究的意义 | 第8页 |
| ·国内外研究现状 | 第8-31页 |
| ·智能控制及人工神经网络简介 | 第8-10页 |
| ·反向传播BP(Backpropagation)算法 | 第10-12页 |
| ·反向传播算法的变形 | 第12-17页 |
| ·遗传算法 | 第17-18页 |
| ·退火算法 | 第18-19页 |
| ·预测控制算法 | 第19-27页 |
| ·基于神经网络的非线性系统的多步预测和多步预测控制 | 第27-29页 |
| ·MS Visual C++ 6.0软件开发 | 第29-30页 |
| ·数据库管理 | 第30-31页 |
| ·本文研究的目的和研究内容 | 第31-33页 |
| ·本文研究的目的 | 第31-32页 |
| ·本文研究的主要内容 | 第32-33页 |
| 2 神经网络训练算法研究和生物膜滴滤塔废气处理过程网络模型的建立 | 第33-42页 |
| ·引言 | 第33-34页 |
| ·人工神经网络结构模型 | 第34-35页 |
| ·基本神经网络结构模型 | 第34页 |
| ·生物膜滴滤塔处理低浓度有机废气过程的神经网络模型 | 第34-35页 |
| ·Levenberg-Marquardt BP(LMBP)算法 | 第35-36页 |
| ·遗传算法(GA) | 第36-38页 |
| ·染色体 | 第36-37页 |
| ·交换 | 第37页 |
| ·变异 | 第37页 |
| ·选择 | 第37-38页 |
| ·遗传算法与LMBP相结合的两种混合算法 | 第38-39页 |
| ·MGA-LMBP1算法 | 第38页 |
| ·MGA-LMBP2算法 | 第38-39页 |
| ·网络训练结果及分析 | 第39-40页 |
| ·生物膜滴滤塔废气处理过程的网络模型和数学模型计算结果与实验数据的比较 | 第40-41页 |
| ·本章小结 | 第41-42页 |
| 3 神经网络预测控制算法在生物膜滴滤塔废气处理过程控制中的应用 | 第42-59页 |
| ·引言 | 第42页 |
| ·基本的多步预测控制器描述 | 第42-43页 |
| ·基于神经网络的一步和多步预测控制器模型 | 第43-47页 |
| ·单控制变量一步和多步预测控制器模型 | 第44-45页 |
| ·多控制变量一步和多步预测控制器模型 | 第45-47页 |
| ·生物膜滴滤塔废气处理过程采用的基于神经网络模型的五步预测控制算法 | 第47-51页 |
| ·仿真研究 | 第51-58页 |
| ·本章小结 | 第58-59页 |
| 4 生物膜滴滤塔甲苯降解过程的神经网络预测控制器的设计 | 第59-67页 |
| ·引言 | 第59页 |
| ·神经网络预测控制器 | 第59-63页 |
| ·预测控制器的参数的数据库管理 | 第60页 |
| ·动画监视界面 | 第60-62页 |
| ·神经网络训练界面 | 第62页 |
| ·基于神经网络模型多步预测控制界面 | 第62-63页 |
| ·预测控制器的参数控制 | 第63-65页 |
| ·网络训练权值和阈值界面 | 第65-66页 |
| ·本章小结 | 第66-67页 |
| 5 结论与展望 | 第67-69页 |
| ·主要结论 | 第67页 |
| ·后续研究工作的展望 | 第67-69页 |
| 致 谢 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 附 录 | 第74-75页 |
